支持向量机多类分类的数字调制方式识别

作     者：张慧敏 柴毅 

作者机构：重庆大学自动化学院重庆400044 重庆电子工程职业学院通信系重庆401331 

基　　金：国家自然科学基金资助项目(60974090) 教育部博士点基金资助项目(200806110016) 

出 版 物：《重庆大学学报（自然科学版）》 (Journal of Chongqing University)

年 卷 期：2011年第34卷第12期

页      码：78-81页

摘      要：针对神经网络存在的过学习、欠学习、局部极小值等问题,提出了一种基于支持向量机(SVM)的数字调制方式的识别方法。从信号的瞬时幅度,瞬时相位,瞬时频率,频谱,包络变化等特性中提取了7个特征参数,用于训练支持向量机。运用二叉树理论设计多类分类器,与已有算法相比,具有简单、高速、高精度的特点。仿真结果证明,在高斯白噪声(AWGN)下,当信噪比大于15dB时,对2ASK、4ASK、8ASK、2FSK、4FSK、8FSK、BPSK、QPSK、8PSK调制方式的识别率可以达到97%以上。

主 题 词：支持向量机 多类分类 二叉树 调制识别 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203101733...